一句话看懂：亚马逊云科技披露其 EC2 内核团队用脚本加 AI 智能体分诊 Linux CVE，自动化先过滤约七成，再由 AI 生成分类表，但最终仍由工程师人工复核，团队明确不愿把安全判断完全交给大模型。
事件核心：发生了什么
在布拉格举行的 Linux Plumbers Conference 上，亚马逊云科技的 Dylan Johnson 和 Justinien Bouron 介绍了 EC2 基础设施内部 Linux 内核的 CVE 处理流程。Linux 内核项目 2024 年 2 月成为 CVE 编号授权机构后，团队从每周约 2 个内核 CVE 增至每天约 16 个，2026 年 8 月 15 日单日发布 848 个。
流程第一阶段不用 AI：依据 CVE 记录中的 JSON 受影响版本和源文件，脚本直接丢弃与自身内核版本、构建配置无关的条目，约能排除 70%，比例受内核配置影响很大。剩余条目交给 AI 智能体，结合 AWS 内核源码树、平台配置、威胁模型和严重性标准生成分类表，每个约耗时 3.4 秒；团队忽略通用 CVSS 分数，只把它当作高级分类器，并通常安排两名工程师复核。
为什么重要
这展示了一种克制的 AI 安全应用方式：AI 负责压缩海量噪声，人类保留最终判断。Bouron 估计智能体约 5% 至 10% 的决策存在问题，这是非正式估计，原文未给出正式评测。团队本身也反对把整个安全体系押在大语言模型输出上。另一条线是升级策略：AWS 将内核升级周期从约两年缩短到约六个月，并主张迁移到较新 LTS，因为旧分支修复更晚、遗留 CVE 更多。
对用户/开发者/创作者的影响
对开发者和运维团队而言，可复用的是“规则过滤在前、AI 分类在后、人工复核兜底”的分层思路，而不是直接套用某个模型。自行反向移植修复也有风险：CVE 记录通常只列最终修复提交，遗漏前置提交仍可能留下漏洞。普通云用户短期感知有限，但底层内核维护效率与升级节奏会影响实例的安全修复速度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 AWS 是否开源共享过滤工具，Johnson 仅表示希望探索，目前公开信息显示尚无发布计划；二是 AI 分诊的 5% 至 10% 错误率能否通过正式评估量化；三是微软 Azure Linux 团队在同一会议展示的规则表加 AI 辅助反向移植路线，成功率从约 50% 提升至 80%，后续是否形成可复用工具。
来源：InfoQ CN
